通过深度学习诊断口腔癌. 一个比较测试准确性的系统审查
Michele Nieri1, Lapo Serni1, Tommaso Clauser2
1Department of Experimental and Clinical Medicine, University of Florence, Italy.
Oral diseases
|March 31, 2025
概括
深度学习模型在口腔癌检测方面显示出与人类专家相比的诊断准确性. 这些人工智能工具在敏感性方面超过了医学学生,突出了他们在临床环境中的潜力.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 口腔癌的诊断依赖于专家对粘膜病变的解释.
- 深度学习 (DL) 模型为自动化图像分析提供了潜力.
- 直接比较DL和人类专家对于临床采用至关重要.
研究的目的:
- 直接比较深度学习模型对人类专家和其他口腔癌检测方法的诊断准确度.
- 评估DL模型在从摄影图像中识别口腔粘膜病变方面的性能.
主要方法:
- 一个系统的审查和比较诊断研究的贝叶斯元分析.
- 纳入标准:使用DL方法对口腔粘膜病变图像 (癌症/非癌症) 的研究.
- 搜索的数据库:Medline,EMBASE,Scopus,谷歌学者,临床试验.gov;偏见使用QUADAS-C进行评估.
主要成果:
- 包括8项研究;没有一个具有偏差低风险.
- 对于人类专家来说,DL模型的灵敏度和特异性相似.
- DL模型在敏感性方面表现优于研究生医学学生 (差异:0.108).
结论:
- 深度学习模型的诊断准确度与人类口腔癌专家的诊断准确度相当.
- 人工智能模型显示出有希望的结果,表现优于经验较少的临床医生 (医学学生).
- 进一步的前性临床试验对于验证现实世界DL性能至关重要.
